2023年Mathorcup大数据竞赛B题回顾

前言

第二次打数模，刚好也是第二次打妈妈杯系列的赛题。

相比较4月份的题目，11月的赛题只有两道，一个预测类，一个图像分析类。技术有限，只能做预测类，下次争取做一道图像分析的题目。

题目分析

三个问题都是和预测相关的。

第一问根据12月至次年5月15日的数据预测5月16日至5月30日的数据，并建立预测维度分类。

第二问给了一些新的小数据序列，然后预测5月16日至5月30日的数据。

第三问给了11月份部分时间的数据，然后预测6月份部分时间的数据。

第一问

ARIMA模型

一个简单的预测问题，直接建立ARIMA模型，通过ACF图和PACF图确定p、q阶数。

（记得要把数据清洗一遍，matlab提供了一个叫filloutliers的函数，比较方便）

记得检验残差。

（原谅团队码力不足，模型有点糟糕，拟合度确实低）

在跑了模型之后记得把题目提供的准确度检验公式用起来，可以加分的

K-means聚类分析

用附件2-附件4的数据结合附件1的数据进行使用。首先要把附件1-附件4数据整合在一个excel里面，python的merge函数好像有这个功能。然后从seller_no、product_no、warehouse_no三个维度来建立K-means模型。

第二问

DTW算法

DTW算法其实有点动态规划的感觉，要建立一个dp矩阵，然后去找最相似的数据序列，即差值最小的序列。

余弦相似度检验

余弦相似度检验是在DTW基础上进行的。其实完全可以用余弦相似度来完成这道题，但是我们觉得只用一个算法是不是会显得太low（正确率太低），于是先用DTW筛一遍，再用余弦相似度再筛一遍，两次筛选应该能选出最正确的序列。

第三问

SARIMA模型

其实我和一些选B题的对这个问题都感觉很无语，就给了10天左右的数据，然后就去预测半年后的10天左右的数据，这跟直接抄上去有什么区别？他甚至没有提供10月份之前的一些数据来让我们有个趋势判断……

但是做肯定是要做的，我们采取的是和网上大部分人相同的SARIMA模型，季节性时间序列预测。该模型其实本质上就是加了一个周期性参数，其他的参数和原来的p、q、d有什么区别我一直没找到准确的说法。然后结果也比较丑陋，基本没有参考价值

（上图是题目给的数据，下图是预测出来的数据）

总结

这次比赛体验还是不错的，比上次好很多，至少有人陪博主一起受苦，有问题也能找得到人来解决。

学到了关于K-means和DTW的东西，收货是有的

争取下次去试试更高难度的图像识别！